BenchLeader

GLM 5.1 vs Muse Spark 1.3

詳しいプロフィール:GLM 5.1(Zhipu AI)とMuse Spark 1.3(Meta)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 11件の情報源のデータ

2026年11月16日時点で、品質ではMuse Spark 1.3がGLM 5.1を上回ります(BenchLeader Indexで61.6 対 55.4)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$2.15 対 $2.00)。両方を測定できるすべてのカテゴリでMuse Spark 1.3がリードしています。Muse Spark 1.3の方が出力が約2倍速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGLM 5.1が55.4、Muse Spark 1.3が61.6です(BenchLeader、2026年11月16日)。
  • GLM 5.1の100万トークンあたりのブレンド価格は$2.15です(定価、2026年11月16日)。
  • Muse Spark 1.3の100万トークンあたりのブレンド価格は$2.00です(定価、2026年11月16日)。
  • Muse Spark 1.3はGLM 5.1より出力が約2倍速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある5件のベンチマークのうち、Muse Spark 1.3が5件でリードしています(BenchLeader、2026年11月16日)。

用途別のおすすめ

おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。

用途おすすめ理由信頼度
エージェント・ツール利用Muse Spark 1.3カテゴリスコア61 対 48;APEX-Agents 58.6% 対 40.9%高
数学Muse Spark 1.3カテゴリスコア56 対 54;ProofBench 55.0% 対 22.2%中
推論Muse Spark 1.3カテゴリスコア71 対 59;SimpleBench 81.8% 対 55.1%高
知識Muse Spark 1.3カテゴリスコア81 対 54高
チャットの質(人間の評価)–Arenaの評価があるのはGLM 5.1のみです(カテゴリスコア65)比較不可
最低コストどちらでも100万トークンあたりブレンド価格$2.15 対 $2.00;エージェント型コーディングセッション$0.102 対 $0.092–
回答開始の速さGLM 5.1最初の回答トークンまで1.3秒(GLM 5.1)対 2.6秒(Muse Spark 1.3)–
低予算での大量処理フラッグシップ以外小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM–

主な違い

  • 品質ではMuse Spark 1.3がリードしています:61.6 対 55.4。
  • Muse Spark 1.3はエージェント・ツール、知識、数学、推論で優れています。
  • 価格はほぼ同じです(100万トークンあたりブレンド価格$2.00)。
  • Muse Spark 1.3の方が出力が2.7倍速くなっています(163 対 60トークン/秒)。

概要

仕様GLM 5.1Muse Spark 1.3
プロバイダーZhipu AIMeta
リリース日2026年4月7日2026年9月2日
コンテキストウィンドウ(トークン)200,0001,048,576
比較した構成GLM 5.1Muse Spark 1.3
オープンウェイトありなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)$1.40 / $4.40 / $0.260$1.25 / $4.25 / $0.150

カテゴリ別の比較

カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。

カテゴリGLM 5.1Muse Spark 1.3トップ
推論59.471.0Muse Spark 1.3
コーディング55.5–比較不可
エージェント・ツール47.761.3Muse Spark 1.3
数学54.256.3Muse Spark 1.3
知識54.181.2Muse Spark 1.3
人間の評価65.1–比較不可

1つのグラフで比較

各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。

2550 avg75推論エージェント・ツール数学知識GLM 5.1, 推論: 59.4GLM 5.1, エージェント・ツール: 47.7GLM 5.1, 数学: 54.2GLM 5.1, 知識: 54.1Muse Spark 1.3, 推論: 71.0Muse Spark 1.3, エージェント・ツール: 61.3Muse Spark 1.3, 数学: 56.3Muse Spark 1.3, 知識: 81.2

描画していないもの(測定済みのモデルが2つ未満):コーディング, 指示追従, 長文コンテキスト, マルチモーダル, 人間の評価。

モデル(クリックで追加・削除)Index

情報源で評価が分かれる点

両方に結果がある5件のベンチマークのうち、GLM 5.1のリードが0件、Muse Spark 1.3のリードが5件です。両方を評価しているすべての総合指標で、Muse Spark 1.3が上回っています。

総合IndexGLM 5.1Muse Spark 1.3トップ
BenchLeader Index55.461.6Muse Spark 1.3
Arena Text14651497†Muse Spark 1.3

公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。

価格・速度・レイテンシ

定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。

指標GLM 5.1Muse Spark 1.3
100万トークンあたりのブレンド価格$2.15$2.00
100万トークンあたりの入力/出力$1.40 / $4.40$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.260$0.150
タスクあたりの価格:チャットの返答$0.0019$0.0018
タスクあたりの価格:30ページのレポートを要約$0.019$0.018
タスクあたりの価格:コード編集$0.015$0.014
タスクあたりの価格:エージェント型コーディングセッション$0.102$0.092
タスクあたりの価格:構造化データの抽出$0.0037$0.0034
エージェント型コーディングセッション(入力の大半がキャッシュ)$0.050$0.043
出力速度60 tok/s163 tok/s
回答開始までの時間1.3秒2.6秒

各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GLM 5.1のスコアは55.4、最初の回答トークンまで1秒。Muse Spark 1.3のスコアは61.6、最初の回答トークンまで3秒。Muse Spark 1.3 (max)は60.6(31秒)、Muse Spark 1.3 (xhigh)は58.1(11秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか

全ベンチマーク

148件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。

指標公開元GLM 5.1Muse Spark 1.3
BenchLeader IndexBenchLeader55.461.6
エージェント・ツールスコアBenchLeader47.761.3
コーディングスコアBenchLeader55.5–
人間の評価スコアBenchLeader65.1–
知識スコアBenchLeader54.181.2
数学スコアBenchLeader54.256.3
推論スコアBenchLeader59.471.0
ブレンド価格($/100万トークン)BenchLeader$2.15$2.00
出力速度BenchLeader60 tok/s163 tok/s
回答開始までの時間BenchLeader1.3秒2.6秒
コンテキストウィンドウBenchLeader200,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub89.9%–
SimpleBenchSimpleBench55.1%81.8%
Arena Hard PromptsArena (LMArena)14891517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench–89.7%†
GPQA Diamond (AA)Artificial Analysis83.9%†93.5%†
Humanity's Last Exam (AA)Artificial Analysis27.9%†48.7%†
HLE-Diamond (AA)Artificial Analysis–33.7%†
GPQA Diamond (Vals)Vals AI84.5%–
CritPtArtificial Analysis0.0%†24.9%†
CritPt v2 hard subset (AA)Artificial Analysis–48.0%†
MysteryMechanismVals AI–36.0%†
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)14961521†
Chess PuzzlesEpoch AI Benchmarking Hub20.0%37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–25.0%†
LMCAEpoch AI Benchmarking Hub–53.9%
DTBenchEpoch AI Benchmarking Hub–96.5%
ForecastBenchForecastBench–65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub74.2%–
SciCodeSciCode44.8%58.8%†
WeirdMLWeirdML57.1%–
Arena CodingArena (LMArena)15121534†
Arena WebDevArena (LMArena)15081655†
148件のベンチマークをすべて表示
指標公開元GLM 5.1Muse Spark 1.3
コーディング
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench–81.1%†
LiveCodeBenchVals AI81.4%–
IOIVals AI–56.6%†
SWE-bench (Vals)Vals AI76.4%–
Code MigrationVals AI25.8%47.4%†
ProgramBenchVals AI0.0%2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI31.5%85.9%†
MirrorCodeEpoch AI Benchmarking Hub–54.4%†
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub887.11688.3†
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis2.0%†33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis61.8%†84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 2–57.7
GameBench 2 by reasoning settingDuelLab GameBench 2–68.5†
Design Arena WebsiteDesign Arena12611353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis–23.1%†
エージェント・ツール
Terminal-BenchTerminal-Bench–14.8%†
APEX-AgentsMercor40.9%58.6%
Arena AgentArena (LMArena)–2.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench–64.1%†
Terminal-Bench HardArtificial Analysis35.6%†–
τ²-Bench Telecom (AA)Artificial Analysis97.1%†–
Terminal-Bench 2.1 (Vals)Vals AI56.9%79.0%†
MCP AtlasScale AI SEAL75.6%–
HiL-BenchScale AI SEAL–66.9%
GDPval-AA v2.1Artificial Analysis1125†1681†
τ³-Banking (AA)Artificial Analysis13.6%†50.5%†
ITBench SRE (AA)Artificial Analysis40.3%†33.2%†
Analyst Agent (AA)Artificial Analysis–37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI–72.7%†
Finance Agent v2Vals AI44.8%60.0%†
Harvey's Legal Agent Benchmark v1Vals AI0.0%23.8%†
Legal Research BenchVals AI27.9%55.3%†
SREBenchVals AI–3.8%†
Tax Agent BenchVals AI–42.4%†
Terminal-Bench 2.0 (Vals)Vals AI53.9%–
Terminal-Bench 4.0 (Vals)Vals AI–24.8%†
Terminal-Bench ScienceVals AI–10.0%†
Arena Agent Task CompletionArena (LMArena)–3.7†
ExploitBenchEpoch AI Benchmarking Hub18.1%–
GBAEvalEpoch AI Benchmarking Hub0.0%–
Vending-Bench 2Andon Labs5634.4–
AutomationBenchArtificial Analysis20.3%†57.9%†
GDP.pdf (AA)Artificial Analysis8.4%†26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
AA-Briefcase v1.1Artificial Analysis965†1581†
Design Arena AgenticDesign Arena11611283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–10.9%†
CWE-Bench (AA)Artificial Analysis–60.8%†
DeepSec-Bench (AA)Artificial Analysis–12.5%†
CyberGym end-to-end (AA)Artificial Analysis–59.5%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub36.8%74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub93.3%99.2%†
ProofBenchVals AI22.2%55.0%
LiveBench MathematicsLiveBench–96.0%†
AIME (Vals)Vals AI91.9%–
AIME 2026MathArena95.8%–
HMMT February 2026MathArena89.4%–
MathArena ApexMathArena11.5%–
Arena MathsArena (LMArena)14741506†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub34.0%–
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench–79.6%†
AA-Omniscience v1.1Artificial Analysis–22.4†
MMLU-ProVals AI86.9%–
LegalBenchVals AI84.4%–
CorpFinVals AI64.5%–
TaxEvalVals AI71.2%–
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
CaseLaw v2Vals AI51.5%–
Excel Modeling BenchmarkVals AI–67.4%†
MedCodeVals AI41.6%–
MedScribeVals AI72.3%–
Public Benefits Bench v1.1Vals AI61.8%–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
GDP.pdfEpoch AI Benchmarking Hub–27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–74.8%†
指示追従
LiveBench LanguageLiveBench–82.8%†
LiveBench Instruction FollowingLiveBench–78.0%†
IFBenchArtificial Analysis52.0%†–
Arena Instruction FollowingArena (LMArena)14611485†
人間の評価
Arena TextArena (LMArena)14651497†
EQ-Bench Creative Writing v3EQ-Bench15941907
Arena Creative WritingArena (LMArena)14461468†
Arena Multi-turnArena (LMArena)14781493†
Arena Longer QueriesArena (LMArena)14801498†
マルチモーダル
Arena VisionArena (LMArena)–1310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis–82.0%†
Humanity's Sixth SenseScale AI SEAL–37.4%†
GeoBenchGeoBench–86.0%
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
長文コンテキスト
AA-LCR v1.1Artificial Analysis53.3%†83.0%†
Arena DocumentArena (LMArena)–1474†
MLCRArtificial Analysis–13.9%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub150.7158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench–81.6%†
AA Intelligence Index v5.0.1Artificial Analysis–36.6†
AA Intelligence Index v4.3.2Artificial Analysis24.2†48.1†
AA Progress Index v1Artificial Analysis263.5†324.5†
Vals RSI IndexVals AI–19.6%†
AA Cyber IndexArtificial Analysis–44.3†
安全性・誠実さ
DistressBenchScale AI SEAL–84.9%
メタデータ
AA Openness IndexArtificial Analysis44.4†–

データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • Muse Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • GLM 5.1:スコアの改訂1件。
  • Muse Spark 1.3:スコアの改訂1件。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • Muse Spark 1.3:新しい結果2件(SimpleBench, GeoBench)。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。
  • Muse Spark 1.3:スコアの改訂4件。
  • Muse Spark 1.3:BenchLeader Index 58.2 → 57.7。
  • GLM 5.1:スコアの改訂1件。
  • Muse Spark 1.3:スコアの改訂1件。

ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM

GLM 5.1 vs Muse Spark 1.3:よくある質問

Muse Spark 1.3はGLM 5.1より優れていますか?
品質ではMuse Spark 1.3がリードしています:61.6 対 55.4。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では総合でMuse Spark 1.3が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
GLM 5.1とMuse Spark 1.3はどちらが安いですか?今後変わる予定はありますか?
現在はMuse Spark 1.3の方が安く、100万トークンあたり$2.00 対 $2.15です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
GLM 5.1とMuse Spark 1.3はどちらが速いですか?
Muse Spark 1.3の方が出力が約2倍速くなっています(出力163 対 60トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはGLM 5.1とMuse Spark 1.3のどちらが向いていますか?
エージェント型のタスクではMuse Spark 1.3の方がスコアが高くなっています(カテゴリ指標で61 対 48。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なAPEX-Agentsでは、GLM 5.1が40.9%、Muse Spark 1.3が58.6%です。
長い文書にはどちらが向いていますか?
コンテキストはMuse Spark 1.3の方が長く、1,048,576トークンです(GLM 5.1は200,000トークン)。
ほかの質問(3件)
レイテンシが低いのはどちらですか?
先に回答を始めるのはGLM 5.1です。Artificial Analysisの測定では、最初の回答トークンまで1.3秒 対 2.6秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
GLM 5.1とMuse Spark 1.3について、第三者ベンチマークの評価は一致していますか?
両方に結果がある5件のベンチマークのうち、GLM 5.1のリードが0件、Muse Spark 1.3のリードが5件です。両方を評価しているすべての総合指標で、Muse Spark 1.3が上回っています。
Muse Spark 1.3はいつリリースされましたか?
Muse Spark 1.3は2026年9月2日にリリースされました。